JOIVJOIV

JOIV : International Journal on Informatics VisualizationJOIV : International Journal on Informatics Visualization

Sistem e-learning yang dipersonalisasi berdasarkan sistem rekomendasi menyaring sejumlah besar data dan memberikan sumber daya pembelajaran yang sesuai dengan minat pembelajar. Meskipun sistem rekomendasi bergantung pada pendekatan berbasis konten atau teknik penyaringan kolaboratif, metode ini memiliki masalah cold start dan sparsity data. Untuk mengatasi keterbatasan tersebut, pendekatan berbasis bobot diusulkan untuk kinerja yang lebih baik. Sistem yang diusulkan adalah aplikasi berbasis web yang menggunakan profil pengguna untuk membentuk lingkungan dan menghitung prediksi menggunakan bobot. Bagi pengguna baru, profil dibangun berdasarkan gaya belajar.

Sistem rekomendasi berbasis pembelajaran gaya dan penyaringan kolaboratif diusulkan untuk mengatasi masalah cold start dan sparsity data.Pendekatan ini menggunakan fungsi bobot baru untuk meningkatkan akurasi prediksi.Hasil eksperimen menunjukkan bahwa sistem ini efektif dalam memberikan rekomendasi yang relevan.

Penelitian lanjutan dapat mengembangkan model rekomendasi dengan mempertimbangkan faktor motivasi pembelajar dan tingkat pengetahuan untuk meningkatkan personalisasi. Selain itu, perlu dilakukan eksplorasi teknik kecerdasan buatan lainnya untuk mengatasi masalah sparsity data dan korelasi data. Penggunaan pendekatan hybrid yang menggabungkan lebih banyak teknik rekomendasi juga dapat dipertimbangkan untuk meningkatkan akurasi dan relevansi rekomendasi.

  1. #collaborative filtering#collaborative filtering
  2. #recommender system#recommender system
Read online
File size917.93 KB
Pages6
DMCAReport

Related /

ads-block-test